Chemins et animaux

138 Pages·2016·1.55 MB·French

by  Axel Bacher

Chemins et animaux : applications de la théorie des
empilements de pièces
Axel Bacher
To cite this version:
Axel Bacher. Chemins et animaux : applications de la théorie des empilements de pièces. Com-
binatoire [math.CO]. Université Sciences et Technologies - Bordeaux I, 2011. Français. ￿NNT: ￿.
￿tel-00654805￿
HAL Id: tel-00654805
https://theses.hal.science/tel-00654805
Submitted on 23 Dec 2011
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
Université Bordeaux 1
U.F.R. de Mathématiques et Informatique
Thèse
pour l’obtention du grade de docteur, spécialité Informatique
Chemins et animaux : applications de la
théorie des empilements de pièces
présentée par
Axel Bacher
le 28 octobre 2011
devant le jury composé de :
Mme Mireille Bousquet-Mélou directrice de thèse
M. Philippe Di Francesco examinateur
M. Dominique Gouyou-Beauchamps rapporteur
M. Gilles Schaeffer rapporteur
M. Xavier Viennot examinateur

Remerciements
Je remercie sincèrement (bien que brièvement) tous ceux qui ont contribué d’une quel-
conque manière à ce que ces trois années soient pour moi une période aussi épanouissante
qu’agréable, tant d’un point de vue scientifique qu’extrascientifique.
JeremercietoutparticulièrementMireilleBousquet-Méloupoursabienveillantedirection,
ainsi que mes rapporteurs et mon jury de thèse, l’équipe Combinatoire et Algorithmique
du LaBRI, le groupe de travail ALÉA, et tous les autres avec qui j’ai pu avoir des échanges
enrichissants.
Enfin, je remercie ma famille et mes amis pour leur soutien constant.
Résumé
Le but de cette thèse est d’établir des résultats énumératifs sur certaines classes de che-
mins et d’animaux. Ces résultats sont obtenus en appliquant la théorie des empilements
de pièces développée par Viennot. Nous étudions les excursions discrètes (ou chemins de
Dyck généralisés) de hauteur bornée; nous obtenons des interprétations combinatoires
et des extensions de résultats de Banderier, Flajolet et Bousquet-Mélou. Nous décrivons
et énumérons plusieurs classes de chemins auto-évitants, dits chemins faiblement dirigés.
Ces chemins sont plus nombreux que les chemins prudents qui forment la classe natu-
relle la plus grande jusqu’alors. Nous calculons le périmètre de site moyen des animaux
dirigés, prouvant des conjectures de Conway et Le Borgne. Enfin, nous obtenons des ré-
sultats nouveaux sur l’énumération des animaux de Klarner et les animaux multi-dirigés
de Bousquet-Mélou et Rechnitzer.
Mots clés : combinatoire énumérative, combinatoire analytique, séries génératrices, empi-
lements de pièces
Abstract
The goal of this thesis is to establish enumerative results on several classes of paths and
animals. These results are applications of the theory of heaps of pieces developed by
Viennot. We study discrete excursions (or generalized Dyck paths) with bounded height;
we obtain combinatorial interpretations and extensions of results from Banderier, Flajolet
and Bousquet-Mélou. We describe and enumerate several subclasses of self-avoiding walks
(SAW), called weakly directed walks. These classes are larger than the class of prudent
walks, which is the largest natural subclass of SAW enumerated so far. We compute
the average site perimeter of directed animals, proving conjectures from Conway and
Le Borgne. Finally, we obtain new results on the enumeration of Klarner animals and
multi-directed animals defined by Bousquet-Mélou and Rechnitzer.
Keywords:enumerativecombinatorics,analyticcombinatorics,generatingfunctions,heaps
of pieces
Table des matières
Introduction 7
1 Empilements de pièces 17
1.1 Ensembles partiellement ordonnés . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.1 Définitions, relation de couverture . . . . . . . . . . . . . . . . . . . 17
1.1.2 Segments initiaux et finaux . . . . . . . . . . . . . . . . . . . . . . 18
1.1.3 Extensions linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2 Empilements et monoïdes partiellement commutatifs . . . . . . . . . . . . 19
1.2.1 Empilements de pièces . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2.2 Monoïde des d’empilements . . . . . . . . . . . . . . . . . . . . . . 20
1.2.3 Monoïdes partiellement commutatifs . . . . . . . . . . . . . . . . . 21
1.2.4 Séries génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3 Théorèmes d’inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3.1 Inversion de Viennot . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3.2 Empilements à motifs exclus et modèles ordonnés . . . . . . . . . . 24
1.3.3 Empilements stricts . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.4 Empilements marqués . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4.1 Empilements marqués et factorisations d’empilements . . . . . . . . 29
1.4.2 Empilements stricts et presque stricts . . . . . . . . . . . . . . . . . 31
1.4.3 Empilements marqués d’une pièce . . . . . . . . . . . . . . . . . . . 32
1.5 Empilements de segments et de dimères . . . . . . . . . . . . . . . . . . . . 33
1.5.1 Empilements de segments . . . . . . . . . . . . . . . . . . . . . . . 33
1.5.2 Adjacences droites et gauches . . . . . . . . . . . . . . . . . . . . . 34
1.5.3 Empilements de dimères . . . . . . . . . . . . . . . . . . . . . . . . 36
2 Excursions discrètes 39
2.1 Chemins dans un graphe orienté . . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.1 Matrice d’adjacence . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.2 Empilements de cycles . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.3 Permutations partielles . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.4 Graphes avec une symétrie . . . . . . . . . . . . . . . . . . . . . . . 45
2.2 Chemins de Łukasiewicz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.1 Chemins généraux et empilements de segments . . . . . . . . . . . . 49
2.2.2 Chemins stricts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2.3 Chemins de Dyck et empilements de dimères . . . . . . . . . . . . . 53
2.3 Chemins prenant un nombre fini de pas . . . . . . . . . . . . . . . . . . . . 54
2.3.1 Diagrammes de permutations . . . . . . . . . . . . . . . . . . . . . 54
2.3.2 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.3.3 Ensembles de pas symétriques . . . . . . . . . . . . . . . . . . . . . 62
6 Table des matières
3 Chemins faiblement dirigés 67
3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.1.1 Chemins faiblement dirigés . . . . . . . . . . . . . . . . . . . . . . . 68
3.1.2 Décomposition en facteurs irréductibles . . . . . . . . . . . . . . . . 68
3.1.3 Modèle diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.2 Énumération . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.2.1 Ponts partiellement dirigés . . . . . . . . . . . . . . . . . . . . . . . 71
3.2.2 Ponts faiblement dirigés . . . . . . . . . . . . . . . . . . . . . . . . 75
3.2.3 Chemins faiblement dirigés généraux . . . . . . . . . . . . . . . . . 76
3.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.3.1 Asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.3.2 Nature des séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.3.3 Génération aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.4 Une nouvelle classe de chemins . . . . . . . . . . . . . . . . . . . . . . . . 86
3.4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.4.2 Énumération . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4 Animaux dirigés 91
4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.1.1 Réseaux carrés et triangulaires . . . . . . . . . . . . . . . . . . . . . 92
4.1.2 Empilements de dominos . . . . . . . . . . . . . . . . . . . . . . . . 93
4.2 Énumération . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.1 Réseaux bornés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.2 Réseaux non bornés . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2.3 Asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.3 Sites adjacents, boucles et périmètre de site . . . . . . . . . . . . . . . . . 100
4.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3.2 Réseau carré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.3.3 Réseau triangulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.3.4 Asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4.4.1 Animaux de source ponctuelle . . . . . . . . . . . . . . . . . . . . . 110
4.4.2 Animaux de source compacte . . . . . . . . . . . . . . . . . . . . . 111
4.4.3 Demi-animaux dans les réseaux rectangulaires . . . . . . . . . . . . 112
5 Animaux de Klarner 115
5.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.1.1 Animaux et empilements de segments . . . . . . . . . . . . . . . . . 115
5.1.2 Pyramides de Klarner . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.1.3 Empilements connexes et animaux de Klarner . . . . . . . . . . . . 117
5.2 Énumération . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.2.1 Empilements connexes et empilements généraux . . . . . . . . . . . 119
5.2.2 Construction colonne par colonne . . . . . . . . . . . . . . . . . . . 122
5.2.3 Résultats asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . 127
5.3 Bijections avec les chemins de Dyck . . . . . . . . . . . . . . . . . . . . . . 129
5.3.1 Animaux multi-dirigés et chemins culminants irréductibles . . . . . 129
5.3.2 Chemins de Dyck sans grand pic ou vallée profonde . . . . . . . . . 131
Références 134
Introduction
Cette thèse s’inscrit dans le domaine de la combinatoire énumérative. Notre but sera
d’appliquer la théorie des empilements de pièces de Viennot à plusieurs problèmes d’énu-
mération de chemins et d’animaux. La théorie des empilements est développée dans le
chapitre 1. Dans cette introduction, nous commençons par présenter succintement le do-
maine de la combinatoire énumérative. Nous présentons ensuite les familles de chemins et
d’animaux que nous étudierons. Enfin, nous résumons chapitre par chapitre les contribu-
tions de la thèse.
La combinatoire énumérative
Problèmes d’énumération
L’objet de la combinatoire est l’étude de structures discrètes, en général possédant une
description simple. Étant donné un ensemble fini de telles structures, énumérer cet en-
semble consiste à déterminer son cardinal. Des problèmes d’énumération interviennent
naturellement dans de nombreux domaines de recherche; on peut notamment citer l’ana-
lyse d’algorithmes, où ils apparaissent dans des calculs de complexité, et la physique
statistique, où ils apparaissent dans la détermination des fonctions de partition.
Par exemple, un chemin de Dyck est un chemin constitué de pas montant ou descendant
d’une unité qui commence et finit à hauteur 0 et reste à une hauteur positive. Comme
montré figure 1, on compte 5 chemins de Dyck de longueur 6.
Figure 1 – Les cinq chemins de Dyck de longueur 6.
En pratique, on souhaite décrire une méthode pour calculer le nombre d’objets de taille n,
pour tout entier n, sans avoir à les construire exhaustivement. Un cadre formel est celui
de classe combinatoire : une classe combinatoire est un ensemble muni d’une fonction
C
de taille . à valeur dans les entiers, tel que, pour tout entier n fixé, l’ensemble des
n
| | C
objets de de taille n est fini. On note dans ce cas c le cardinal de l’ensemble .
n n
C C
8 Introduction
Pour reprendre l’exemple ci-dessus, les nombres de chemins de Dyck de longueur 2n, pour
n > 0, sont les célèbres nombres de Catalan, donnés par
1 2n
c = . (0.1)
n
n+1 n!
LesnombresdeCatalansontsansdoutelasuited’entierslapluscélèbredelacombinatoire
énumérative. On peut renvoyer à [50], ou à l’entrée A000108 de l’Online Encyclopedia of
Integer Sequences [48] pour de très nombreux exemples où elle intervient.
Uneautrequestionnaturelleconsisteàtrouverunéquivalentsimpledunombrec quandn
n
tend vers l’infini. C’est le domaine de la combinatoire analytique [27]. Dans notre exemple
des nombres de Catalan, la formule de Stirling permet de trouver, à partir de (0.1),
4n
c . (0.2)
n ∼ πn3/2
Un cadre un peu plus général que celui ci-dessus est celui des classes paramétrées. Une
classe paramétrée est une classe munie d’un paramètre p (un paramètre, aussi appelé
C
statistique, est une fonction de dans N). Par exemple, de nombreux paramètres naturels
C
existent sur les chemins de Dyck, tels que la hauteur maximale d’un sommet, ou encore
le nombre de pics (pas montants suivis d’un pas descendant).
Notons c le nombre d’objets de la classe paramétrée C tels que C = n et p(C) = k.
n,k
| |
L’énumération paramétrée consiste à calculer ces nombres pour tous entiers n,k. On peut
également s’intéresser au problème plus faible de trouver la valeur moyenne, notée p , du
n
paramètre p sur les objets de taille n.
D’autres problèmes asymptotiques apparaissent dans le cas des classes paramétrées. La
connaissance des nombres c est équivalente à celle de la distribution du paramètre p
n,k
parmi les objets de taille n. On peut s’intéresser à l’évolution de cette distribution quand
n tend vers l’infini, et notamment à déterminer une distribution limite. Plus modestement,
on peut déterminer un équivalent simple de la valeur moyenne p .
n
Séries génératrices
La méthode la plus simple pour déterminer les nombres c est de donner une formule
n
close, à la manière de (0.1), permettant de les calculer. Les séries génératrices sont une
autre présentation des nombres c . La série génératrice (dite ordinaire) de la classe com-
n
binatoire est la série formelle
C
C(t) = c tn,
n
n>0
X
ou de manière équivalente,
C(t) = tC .
| |
C
X∈C
Lessériesgénératricespossèdentdenombreusespropriétésagréables:desinformationssur
la structure des objets de se traduisent souvent en équations donnant la série C(t) (voir
C
Introduction 9
ci-dessous).Decefait,ellesconstituentunoutilfondamentalencombinatoireénumérative.
Par exemple, la série génératrice des nombres de Catalan est
1 √1 4t
C(t) = − − . (0.3)
2t
En effectuant un développement de Taylor, on retrouve l’expression (0.1) donnant le
nombre c . Une expression telle que (0.3) donnant la série génératrice d’une classe fournit
n
donc une méthode pour l’énumérer; dans certains cas, on peut donner une telle expression
alors qu’aucune formule close simple n’existe pour les coefficients c .
n
Les séries génératrices les plus simples sont les séries rationnelles, qui sont égales au
quotient de deux polynômes. Les séries algébriques sont un peu plus complexes : on dira
quelasérieC(t)estalgébriques’ilexisteunpolynômeP(x,y)nonnultelqueP(t,C(t)) =
0. Par exemple, la série C(t) des nombres de Catalan vérifie l’équation
C(t) = 1+tC(t)2. (0.4)
Trouver une équation de ce type est très utile car on peut s’en servir pour calculer algo-
rithmiquement les coefficients c , y compris s’il n’existe pas d’expression telle que (0.3)
n
donnant directement la série C(t).
Unefamilleencoreplusgénéraledesériesestcelledessériesdifférentiellement finies,ouD-
finies [50, chapitre 6]. Une série est D-finie si elle est solution d’une équation différentielle
linéaire à coefficients polynômiaux. Là encore, une telle équation sur la série C(t) permet
de retrouver les coefficients c . Il existe aussi des séries qui ne sont pas D-finies. Nous en
n
rencontrerons plusieurs dans cette thèse.
Une fois connue la série C(t), ou une équation qui la définit, on peut aussi chercher
à en déduire l’asymptotique des coefficients c . Une technique utilisée est l’analyse de
n
singularité, et est présentée en détail dans le livre [27]. Cette technique repose sur l’étude
des valeurs de la série C(t) au voisinage de son cercle de convergence.
Enfin, soit p un paramètre de la classe et soit c le nombre d’objets C de tels que
n,k
C C
C = n et p(C) = k. On définit la série bivariée C (t,u) de la manière suivante :
p
| |
C (t,u) = c tnuk = tC up(C).
p n,k | |
n>0 C
X X∈C
Comme ci-dessus, la connaissance de la série C (t,u), ou d’une équation qui la définit,
p
permet de calculer les coefficients c . De plus, soit p la valeur moyenne du paramètre p
n,k n
parmi les objets de taille n. Notons P(t) la série définie par
P(t) = p c tn = p(C)tC .
n n | |
n>0 C
X X∈C
Le coefficient p c est la somme des quantités p(C) pour tous les objets C de taille n;
n n
on l’appellera la valeur totale du paramètre sur les objets de taille n. On peut calculer la
série P(t) à partir de la série bivariée C (t,u) de la manière suivante :
p
∂C
p
P(t) = (t,1).
∂u
Une fois connue la série P(t), on peut calculer les coefficients p c ; une simple division
n n
par c donne la valeur moyenne cherchée p .
n n